Läkemedelsepidemiologi – en väg till jämlik läkemedelsbehandling NN, titel, arbetsplats Exempel på olika strukturer och klassifikationer i flernivåanalyser Henrik Ohlsson Post doctoral fellow at the Unit for Social Epidemiology, Dept Clin Science, Malmö, Lund University Biostatistician at the Centre for Primary Health Care Research Lund University/Region Skåne
Läkemedelsepidemiologi – en väg till jämlik läkemedelsbehandling NN, titel, arbetsplats Flernivåanalyser
Läkemedelsepidemiologi – en väg till jämlik läkemedelsbehandling NN, titel, arbetsplats
“De öppna jämförelserna har gett konkreta effekter i form av strategiska beslut om resurser och prioriteringar” “Man ser i huvudsak de underliggande mätningarna som en tillräcklig spegelbild av verkligheten. Tillräcklig för att utgöra underlag för analys lokalt och förbättringsarbete” “Landstingsledningarna har tvingats ta ansvar gentemot politiker och allmänhet för de resultat som åstadkoms i den vård som de leder.“* *Håkan Sörman – Läkartidningen nummer 32 VD Sveriges Kommuner och Landsting
Syfte Har det någon betydelse vilket landsting man besöker? Om inte – ska vi ändå ranka landsting/regioner Presentera och illustrera en metod som kan användas för att jämföra landsting/sjukhus/vårdcentraler
Att mäta skillnader Om det finns skillnader mellan landsting borde patienter inom samma landsting vara mer lika än patienter från olika landsting (angående den studerade kvalitetsindikatorn) anhopning av specifika läkemedel inom olika landsting en del av den individuella benägenheten att få ett specifikt läkemedel kan tillskrivas ens grupptillhörighet (alltså landsting)
Alla individer i Sverige, som erhållit ett statinrecept under 2007 Rekommenderat statin (ja/nej) Vårdenhet Landsting
Variance is our business Intra Class correlation (ICC) – hur stor del av variationen i utfallet som förklaras av landstingen A brief conceptual tutorial on multilevel analysis in social epidemiology: interpreting neighbourhood differences and the effect of neighbourhood characteristics on individual health Juan Merlo, Basile Chaix, Min Yang, John Lynch, Lennart Råstam J Epidemiol Community Health 2005;59:1022– doi: /jech
Intra class correlation 1)Dikotomisering av en kontinuerlig latent variabel – Standard logistic Varians standard logistic = pi square divided by three.
I. Omeprazolbehandling vid reluxsjukdom och magsår II. Behandling med lågkostnadsstatin vid blodfettsänkande behandling III. ARB-användare som tidigare inte förskrivits ACE-hämmare IV. Barn 0-6 år behandlade med Fenoximetylpenicilin av alla som behandlats med luftvägsantibiotika V. Kvinnor behandlade med kinoloner av alla som behandlats med urinvägsantibiotika
I. Omeprazolbehandling vid reluxsjukdom och magsår II. Behandling med lågkostnadsstatin vid blodfettsänkande behandling III. ARB-användare som tidigare inte förskrivits ACE-hämmare IV. Barn 0-6 år behandlade med Fenoximetylpenicilin av alla som behandlats med luftvägsantibiotika V. Kvinnor behandlade med kinoloner av alla som behandlats med urinvägsantibiotika
>95 % av variationen i vår utfallsvariabel kan tillskrivas andra faktorer än landsting/regioner Ska vi presentera rankinglistor över landsting/regioner? Vårdenheter/Kliniker kan tillskrivas en viss del (20-40%)
Diskussion ICC Låg ICC -> Individerna är slumpmässigt fördelade bland landsting/regioner -> Landsting/region ger inte extra informationen angående den studerade utfallsvariabeln -> Om vi då rankar landsting rankar vi slumpmässigt valda områden ->Genomföra interventioner för vissa landsting/regioner och inte andra förefaller både ineffektivt och orättvist
Place effects for areas defined by administrative boundaries: A life course analysis of mortality and cause specific morbidity in Scania, Sweden Henrik Ohlsson Juan Merlo
Syfte Att studera betydelsen av en individs bostadsområde för fyra hälsoutfall: -mortalitet -hjärt- och kärlsjukdomar -cancer -respiratoriska sjukdomar
- Bostadsområde under hela livscykeln
Desto mer personer inom ett område liknar varandra (jämfört med individer i andra områden), desto mer sannolikt att faktorer som påverkar utfallet har att göra med området Avsaknad av likhet tyder på att områdena är godtyckliga konstruktioner utan effekt på utfallet
Intra class correlation i cross classified models
Diskussion Församling har litet inflytande på de utfall vi studerade Individer i samma församling liknade inte varandra mer än individer från olika församlingar Att veta var en individ har bott under ens liv ger inte mycket information angående framtida mortalitet eller morbiditet
Diskussion Interventioner – klustring Andra tidpunkter, outcomes, geografiska områden
Self-employment of Immigrants and Natives in Sweden – a multilevel analysis. (Accepted Entrepreneurship & Regional Development) Henrik Ohlsson Per Broomé Pieter Bevelander
Men in 2007 (25-64 years) Egen företagare – Registrerad som egen företagare i SCBs register Immigrant group – Födelseland
Women in 2007 (25-64 years)
Men in 2007 (25-64 years) Labour market areas
Women in 2007 (25-64 years) Labour market areas
Syfte Undersöka skillnader mellan individer i deras benägenhet att vara egen företagare Kvantifiera betydelsen av den sociala och etniska kontexten (mätt m.h.a födelseland) och den ekonomiska miljön (mätt m.h.a arbetsmarknadsområde)
Skillnader: Benägenheten att vara egen företagare ska vara mer lik bland individer från samma födelseland/arbetsmarknadsområde än bland individer från olika födelseländer/arbetsmarknadsområden anhopning av egenföretagare inom olika födelseländer/arbetsmarknadsområden en del av den individuella benägenheten att vara egen företagare kan tillskrivas ens grupptillhörighet
Country of birth Individual Labour market area Individ P1 and P2 är från samma födelseland men olika arbetsmarknadsområden - ICC kommer att delas upp I två delar
*Modellerna är kontrollerade för ålder, civilstånd, antal år i Sverige, antal barn och utbildning.
Implications Födelseland och arbetsmarknadsområde förklarar en del av skillnaden mellan individer att vara egen företagare - men en mycket stor del förklaras ej Individen och inte den etniska kontexten som är av betydelse Fokusera interventioner på vad? Individer Generella interventioner
Samma HCC och samma GP21% Samma HCC men olika GP9% OR Andel av total varians HCC9% GP12% Patient79%
OBS – Gäller endast där EN GP är involverad. Annars: om 2 GPs varit involverade (50% var) blir variansen och därmed ICC annorlunda. Varians GP= 0.52*(0.5^ ^2)= Därmed den relativa andelen annorlunda: HCC, GPs and patients: 9%, 7%, and 84%. (Jfr 9% 12%, 79 %)